.png)
A maioria dos CFOs mid-market comprou pelo menos uma ferramenta de IA no último ano. Segundo a Gartner, 59% dos líderes financeiros já usam IA em seus departamentos. A adoção quase dobrou desde 2023. Só que aí vem o número que importa mesmo: entre 2024 e 2025, a adoção foi de 58% para 59%. Um ponto percentual. Estagnou.
O motivo não é falta de interesse.
É que as implementações estão morrendo na praia. A gente vê isso toda semana.
O gap que software não resolve
Você contratou uma plataforma de conciliação automática. O demo era lindo: importava extratos, cruzava com o ERP, identificava divergências em segundos. Na hora de implementar, o fornecedor mandou 3 calls de onboarding, um PDF e um link do Zendesk. Seu analista tentou configurar. O ERP tem campos customizados que a ferramenta desconhece. As regras de conciliação variam por tipo de cliente. A régua de cobrança tem umas 8 exceções que ninguém documentou. O analista desistiu na segunda semana.
A licença continua sendo cobrada.
Esse padrão se repete quase toda semana. Dos 59% que dizem usar IA, apenas 23% se declaram "muito mais otimistas" sobre os resultados (Gartner, 2025). Os outros 77% estão pagando licença e torcendo pra alguém no time descobrir como fazer aquilo funcionar. Ferramentas de IA são construídas para o caso genérico. Sua operação financeira é específica. Alguém precisa fazer a ponte, e esse alguém não é suporte técnico respondendo ticket.
O que é FDE em finanças
Forward Deployed Engineering é um modelo de trabalho que nasceu na Palantir nos anos 2010: engenheiros embarcados no ambiente do cliente, construindo soluções no contexto real da operação. A prática de FDE cresceu mais de 800% em 2025, segundo o Indeed. OpenAI, Anthropic, Databricks, todo mundo adotando o modelo.
Aplicado a finanças, funciona assim: um squad com especialista financeiro, engenheiro de IA e agentes inteligentes entra no seu time. Não é consultoria (o squad opera junto, não entrega slide e vai embora). Não é SaaS (a IA é configurada pro seu contexto, não pra um caso genérico). O squad senta do lado do analista que faz conciliação às 9h, do coordenador que monta o relatório toda sexta, do gerente que cobra inadimplente por planilha. Entende as regras que ninguém escreveu, as exceções, os workarounds. E configura agentes que operam dentro dessa realidade. Eu já vi squad pegar processo que o time achava que era "impossível de automatizar" e colocar pra rodar em 11 dias. Onze. Não porque o time era incompetente, mas porque ninguém tinha sentado ali dentro pra entender o fluxo real.
Aliás, eu ia falar de custo, mas antes disso tem uma questão mais básica: por que isso funciona agora e não funcionava há 2 anos?
Por que agora
Os modelos de IA mudaram de forma brutal nos últimos meses. Passaram de resolver o trivial (chatbot, classificação básica) para executar tarefas financeiras de verdade: conciliação com regras contextuais, classificação contábil com exceções, projeção de fluxo de caixa com variáveis reais. A acurácia chega a 87-92% após configuração humana inicial. Antes, mal passava de 60%.
Isso destrancou tudo.
Mas "capaz" não é "pronto". Cada empresa tem dados diferentes, exceções diferentes, integrações que quebram de formas que ninguém previu. O modelo genérico precisa de alguém que configure pro contexto real. Esse é o trabalho de FDE.
E o custo ficou viável. Um squad FDE fica entre R$20k e R$35k por mês. Compare com consultoria Big4 (R$80k a R$200k/mês por um diagnóstico que depois ninguém implementa) ou com contratar um engenheiro de IA sênior (R$25k a R$40k de salário, mais 6 meses até ele entender sua operação). O squad chega implementando desde a primeira semana.
Pra quem faz sentido
O sinal mais claro é o tempo. Se seu time financeiro gasta mais de 60% das horas em operação manual (conciliação, cobrança, relatórios, fechamento), o modelo FDE resolve isso. Empresas com receita ativa, time financeiro estruturado e processos que já deveriam estar automatizados mas não estão: esse é o perfil.
Na nossa experiência, o gatilho costuma ser um evento específico. Uma rodada que exige due diligence rápido e o time não consegue entregar os números a tempo. Um fechamento que travou 10 dias e o CFO perdeu a janela de decisão. Uma conciliação que deu diferença de R$180k e ninguém sabe explicar por quê.
Como a Barte opera
A Barte embarca squads FDE em times financeiros de startups e fintechs. O squad entra, mapeia processos, configura agentes de IA pras tarefas de maior volume, e opera junto até a automação rodar sozinha. A base de mais de 10 mil clientes de pagamento funciona como moat de dados: os agentes são treinados com dados transacionais reais de conciliação, cobrança e liquidação. A diferença entre um agente que acerta 60% das classificações e um que acerta 91% está aí. Não é o modelo. São os dados.
Não é nem isso, aliás. É a combinação: dados bons mais gente que sabe o que fazer com eles no contexto financeiro específico de cada empresa.
Quantos processos financeiros do seu time foram automatizados no último ano? Não comprados. Automatizados de verdade, operando em produção sem intervenção manual.
Se a resposta incomoda, o problema não é tecnologia. É implementação. Cada mês no gap é dinheiro saindo.
Como a Barte resolve
A Barte monta squads de implementação para times financeiros: um Finance Exec + engenheiro de IA + agentes de IA. O squad entra na sua operação, mapeia processos e configura automações que funcionam no seu contexto real, não no caso genérico do demo.
.png)
.png)
.png)
.png)
